公开(公告)号：CN117576540A

公开(公告)日：2024-02-20

申请号：CN202311607555.8

申请日：2023-11-29

Applicant: 淮阴工学院

Inventor： 董妍妍 ,  周蕾 ,  马冰娅 ,  殷哲文 ,  陈冠宇 ,  钟海莲

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/766

Abstract: 一种基于卷积神经网络的低照度目标检测方法,包括以下操作步骤：步骤一：获取公开样本数据Exdark数据集并划分为训练集，验证集和测试集；步骤二：优化YOLOv8目标检测算法，构建低照度目标检测模型；将YOLOv8中Backbone预设数量的C2f层进行替换，将空间金字塔池化结构进行替换，在Neak引入新模块，且对损失函数进行优化；步骤三：基于训练集对优化后的低照度目标检测模型进行训练；步骤四：利用训练好的低照度目标检测模型和待检测图像对低照度下的图像进行检测，最终增强模型的检测精度和泛化能力以及鲁棒性能。本发明构建的低照度目标检测模型有更好的性能和高计算效率，能够在目标检测上有更加优越的性能，最终增强模型的检测精度和泛化能力以及鲁棒性能。

公开(公告)号：CN115641550A

公开(公告)日：2023-01-24

申请号：CN202211288983.4

申请日：2022-10-20

Applicant: 淮阴工学院

Inventor： 周蕾 ,  陈冠宇 ,  钟海莲 ,  殷哲文 ,  董妍妍 ,  马冰娅

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/82 ,  G06V10/10 ,  G06V10/774 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明公开了一种用于化工场所中工作人员防护用具佩戴情况的检测方法及检测系统，包括以下步骤：步骤一，通过化工场所监控获取视频，将视频按帧处理获取工作人员穿戴防护用具的情况的图像；步骤二，对步骤一所得图像进行数据预处理，去除图像噪声，统一分辨率，将总数据集拆分为测试集和训练集；步骤三，构建以Swin Transformer为主干的YOLOX检测网络，以步骤二预处理之后的图像作为输入；步骤四，采用化工场所监控数据训练集训练所述YOLOX检测网络，获得防护用具检测模型；步骤五，采用所述防护用具检测模型对化工场所监控图像进行检测；步骤六，对未按规定佩戴防护用具的工人发出警示信息。本发明的方法和系统提高了化工场所工人防护装备警示信息的准确性。

公开(公告)号：CN118365864A

公开(公告)日：2024-07-19

申请号：CN202410632980.0

申请日：2024-05-21

Applicant: 淮阴工学院

Inventor： 董妍妍 ,  周蕾 ,  马冰娅 ,  殷哲文 ,  陆凡 ,  陈冠宇 ,  钟海莲 ,  谢乾 ,  汪涛 ,  陈伟

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/766 ,  G06N3/0495 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/082

Abstract: 一种轻量化的低照度目标检测方法,包括：获取公开样本数据Exdark数据集并划分为训练集，验证集和测试集；将YOLOv8的Backbone特征提取网络中的第4、6、8层替换为Adown下采样；将Neck的FPN特征金字塔替换为BiFPN；将边界框回归损失函数由CIoU替换为Powerful‑IoU（PIoU）；对YOLOv8目标检测算法的优化，构建轻量化的低照度目标检测模型；基于训练集对优化后的低照度目标检测模型进行训练；利用训练好的低照度目标检测模型和待检测图像对低照度下的图像进行检测，输出目标检测结果。最终降低模型大小以及增强模型的检测精度。本发明通过改进YOLOv8算法来研究低照度场景下的目标检测，检测到了低照度下多尺度、小目标等测试样本；可以提升在光照条件不足下的目标检测准确性；也提高了系统的可靠性和稳定性。

公开(公告)号：CN116092179A

公开(公告)日：2023-05-09

申请号：CN202211500031.4

申请日：2022-11-28

Applicant: 淮阴工学院

Inventor： 周蕾 ,  钟海莲 ,  陈冠宇 ,  马冰娅 ,  殷哲文 ,  董妍妍

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/082

Abstract: 一种改进的YOLOX跌倒检测系统，系统包括骨干网络、特征融合模块和预测头，以及在骨干网络中引入的simAM注意力模块，在特征融合模块增加的ECA通道注意力模块，系统的损失函数采用EIoU损失函数，能计算出预测框和真实框的差距；检测图片的具体步骤：对输入的图片先进行统一缩放的预处理，接着通过带有残差结构和simAM注意力机制的CSPLayer层，以及基础卷积构建的骨干网络，再通过带有ECA注意力机制的特征融合模块进一步提取特征信息，最后通过YOLOHead输出检测结果并显示到检测图片上。本发明通过改进后的算法，在mAP、召回率、精度、F1以及复杂环境下目标的检测效果都有明显的提升，在模糊背景和弱光条件下能够有效的检测出完整的和被遮挡的跌倒目标，提高了检测目标的精度。

公开(公告)号：CN117934366A

公开(公告)日：2024-04-26

申请号：CN202311689111.3

申请日：2023-12-11

Applicant: 淮阴工学院

Inventor： 殷哲文 ,  周蕾 ,  马冰娅 ,  董妍妍 ,  陈冠宇 ,  钟海莲

IPC: G06T7/00 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/25 ,  G06V10/774 ,  G06N3/08

Abstract: 一种添加检测头辅助单元的铝材缺陷检测方法，该方法包含以下步骤：从铝材瑕疵数据集中获取相关带标签的瑕疵样本；进行数据扩充和数据增强；构建改进后的YOLOV5检测网络，网络改进部分包括新增检测头辅助单元、改换解耦检测头和改进损失函数；检测头辅助单元由注意力机制ContextAggreation和重参化卷积RepConvBlock组成，所述损失函数替换为MPDIOU；使用铝材瑕疵数据集对改进后的检测网络进行训练；生成铝材瑕疵检测模型；利用该模型对生产铝材进行检测；标识出可能的瑕疵部分。本发明可用于检测铝材表面的多种瑕疵，如凹陷、不导电、擦花、桔皮、漏底、碰伤、起坑、凸粉、涂层开裂、和脏点，且对微小瑕疵和肉眼难辨识瑕疵具有较好效果。本发明提高了瑕疵检测的准确性和效率。

公开(公告)号：CN118115841A

公开(公告)日：2024-05-31

申请号：CN202311639332.X

申请日：2023-12-04

Applicant: 淮阴工学院

Inventor： 马冰娅 ,  周蕾 ,  董妍妍 ,  殷哲文 ,  钟海莲 ,  陈冠宇

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06V10/52 ,  G06N3/0464

Abstract: 一种基于YOLOv8改进的低光照目标检测方法，涉及计算机技术目标检测技术领域，包括以下步骤：收集低光照数据集，统一图片格式；数据集按比例划分训练集和验证集；对模型进行改进：首先，将模型的损失函数更换为新型的MPDIoU损失函数；其次，在YOLOv8采用的特征提取的主干网络中，插入Global Attention Mechanism模块。最后，在特征提取后，引入AFPN特征融合模块替代原有的简单上采样操作。将数据集通过搭建好的网络学习多尺度特征图融合之后的特征网络，进行训练获得模型预训练权重；将预处理后的图片输入最优权重模型进行检测。本发明可应用于夜间安保监控、夜间驾驶辅助等低光照环境下的视觉任务。